梯度法 在最佳化中，梯度法（英語：Gradient method）是一種解決以下形式問題的算法 min x ∈ R n f ( x ) {\displaystyle \min _{x\in \mathbb {R} ^{n}}\;f(x)} 搜索方向由當前點的函數梯度定義。梯度法的例子有梯度下降法和共軛梯度法。 參見[编辑] 梯度下降法 隨機梯度下降法（英语：Stochastic gradient descent） 坐標下降法 法蘭克-沃爾夫算法（英语：Frank–Wolfe algorithm） 蘭德韋伯迭代（英语：Landweber iteration） 隨機坐標下降法（英语：Random coordinate descent） 共軛梯度法 共軛梯度法的推導 非線性共軛梯度法（英语：Nonlinear conjugate gradient method） 雙共軛梯度法（英语：Biconjugate gradient method） 穩定雙共軛梯度法 參考資料[编辑] Elijah Polak. Optimization : Algorithms and Consistent Approximations. Springer-Verlag. 1997. ISBN 0-387-94971-2.
